library(MASS)
#7.2 O modelo mais simples possvel

anim.m2 <- lm(log(brain)~log(body),data=Animals, 
              subset=!(log(Animals$body)>8&log(Animals$brain)<6))
summary(anim.m2)
  
  anim.m0 <- lm(log(brain)~1, data=Animals, 
                subset=!(log(Animals$body)>8&log(Animals$brain)<6))
 summary(anim.m0)  
  
#dica anim.m0 <- update(anim.m2, .~. -log(body))
anova(anim.m0,anim.m2)

#Perguntas
#1. Qual a relao do comando 'anova' acima com:
anova(anim.m2)

#Em ambos- anova(anim.m0, anim.m2)e anova(anim.m2) se compara um modelo
#com o modelo nulo (modelo mais simples).

#2. Qual a relao entre os valores obtidos por estes comandos:
summary(anim.m0)
mean(log(Animals$brain[!(log(Animals$body)>8&log(Animals$brain)<6)]))
sd(log(Animals$brain[!(log(Animals$body)>8&log(Animals$brain)<6)]))

#Na funo summary  possvel verificar os parmetros do modelo. 
#Como o modelo  nulo, com uma distribuio feita ao acaso, 
o intercepto tem o valor da mdia dos dados  e seus resduos so os desvios 
da mdia
